Εμφάνιση απλής εγγραφής

dc.contributor.advisorΠερατικού, Αδαμαντίνη
dc.contributor.authorΙωάννου, Παναγιώτα
dc.contributor.otherIoannou, Panagiota
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2023-08-22T10:29:10Z
dc.date.available2023-08-22T10:29:10Z
dc.date.copyright2023-08-22
dc.date.issued2023-05
dc.identifier.otherΑΥΔ/2023/00119el_GR
dc.identifier.urihttp://hdl.handle.net/11128/5652
dc.descriptionΠεριέχει βιβλιογραφικές παραπομπές.el_GR
dc.description.abstractΗ ραγδαία ανάπτυξη της τεχνολογίας έχει συμβάλει στη βελτίωση σε διάφορους τομείς της ζωής των ανθρώπων οι οποίοι βασίζουν τις δραστηριότητες τους, την επεξεργασία και την αποθήκευση των δεδομένων στα πληροφοριακά συστήματα όπου αναπόφευκτα γίνονται συχνοί στόχοι κακόβουλων επιθέσεων στον κυβερνοχώρο. Η εισαγωγή της μηχανικής μάθησης έχει σαν κύριο μέλημα να βελτιώσει τη λειτουργία των υφιστάμενων συστημάτων σε διάφορους τομείς θέτοντας ως προτεραιότητα την αποτροπή πιθανών επιθέσεων από τους κυβερνοεγκληματίες. Η αποτροπή αυτή επιτυγχάνετε μέσο της διαδικασίας δοκιμής διείσδυσης, η οποία εκτελείται από τις διάφορες ομάδες «Red Teams» με σκοπό την διερεύνηση, τον εντοπισμό και την βελτίωση των διαφόρων ευάλωτων σημείων στα πληροφοριακά συστήματα. Συνεπώς η συνεχής εκπαίδευση των ομάδων αυτών σε νέες τεχνολογίες και η επίγνωση τους στα νέα διαθέσιμα εργαλεία είναι αναπόφευκτο στοιχείο ώστε να τους καθιστά εξίσου ευρηματικούς και επίδοξους όσο τους κυβερνοεγκληματίες. Στόχος της παρούσας μεταπτυχιακής διατριβής είναι η εις βάθος διερεύνηση των υφιστάμενων εργαλείων μηχανικής μάθησης που χρησιμοποιούνται κατά τη διαδικασία δοκιμής διείσδυσης, η αξιολόγηση της λειτουργικότητας και της αποτελεσματικότητας τους στην συλλογή πληροφορίων και στον εντοπισμό των ευπαθειών των πληροφοριακών συστημάτων. Επιπρόσθετα, γίνεται χρήση των εργαλείων αυτών που έχουν επιλεγεί σε εικονικές επιθέσεις στο περιβάλλον «Cyber Range» ώστε να καταστεί εφικτή η εξοικείωση και εκπαίδευση των «Red Teams» στα εργαλεία αυτά.el_GR
dc.format.extentix, 77 σ. ; 30 εκ.el_GR
dc.languagegrel_GR
dc.language.isoenel_GR
dc.publisherΑνοικτό Πανεπιστήμιο Κύπρουel_GR
dc.rightsinfo:eu-repo/semantics/openAccessel_GR
dc.subjectCyber rangesel_GR
dc.subjectΜηχανική μάθησηel_GR
dc.subjectMachine learningel_GR
dc.titleMachine Learning for Red Team Attacks in Cyber Rangeel_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractThe rapid development of technology has contributed to the improvement in various domains in people’s lives who base their activities, the processing and storage of their data on information systems which they inevitably become frequent targets of malicious cyber-attacks. The introduction of Machine Learning has its main concern to improve the functionality of the existing systems in various sectors by prioritizing the prevention of potential attacks by cybercriminals. The prevention is achieved through the Penetration Testing process, which is performed by the “Red Teams” in order to investigate, identify and improve the vulnerabilities in the information systems. Therefore, the continuous training of these teams in new technologies and their awareness of the new available tools is inevitable in order to make them as resourceful and ambitious as cybercriminals. The aim of this master’s dissertation is the in-depth investigation of the existing Machine Learning tools that are used during the Penetration Testing process, the evaluation of their functionality and their effectiveness in information gathering and identifying the vulnerabilities of the information systems. Moreover, the tools that have been selected are used in virtual attacks in the “Cyber Range” environment to enable familiarization and training of the Red Teams in these tools.el_GR
dc.format.typepdfel_GR


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής